RecreationWorld：可擴充且可驗證的混合電腦使用代理環境
為何重要
這項研究填補了 Computer-use agents 生態中的空白，確立了「視覺保真度驗證」作為評估 Agent 能力的重要指標，無僅限於程式碼生成或介面操作。傳統的線性任務堆疊難以應對真實需求，RecreationWorld 強調的是代理在多步驟迭代中的泛化與恢復能力。對於投資人與創業者而言，這並非單純的 Benchmark 發布，而是定義了下一代 Agent 必須具備的「可靠運作」標準，誰能掌握高品質生態與多平臺泛化能力，誰就能在即將爆發的軟體自動化市場中拔得頭籌。
針對目前圖形介面與終端機/程式碼分治的 Computer-use agents (CUAs)，研究提出混合型代理（hybrid CUAs）架構，推崇在同一環境中自主決定探索、開發與視覺驗證的協作模式。
- 提出 RecreationWorld 五平臺框架，支援 Ubuntu、macOS、Windows、Android 與 Web。
- 引進 RecreationBench 基準測試，包含 250 個跨領域與平臺的任務，並利用參考應用程式作為 Oracle 進行行為驗證。
- 在多個分佈外（OOD）編碼與混合使用基準上，模型透過復現軌跡來提升表現；GPT-6 Astra 整體通過率達 58.1%，但僅在 2.8% 的任務中通過所有程式測試。